Communitygithub.com

render-editorial-motion-podcast

Ensambla un clip publicitario de pódcast con movimiento editorial a partir de una configuración: un MP3 real de pódcast narra la historia mientras fotogramas clave de ilustración editorial de paleta limitada se animan con ken-burns determinista de ffmpeg (sin i2v generativo), con cortes duros sincronizados, audio real multiplexado, subtítulos Whisper a media frase y tarjeta final PIL.

¿Qué es render-editorial-motion-podcast?

Esta habilidad ensambla un clip publicitario de pódcast con estilo editorial-motion de forma completamente determinista y gratuita. Toma un audio real de pódcast (recortado de una fuente) y una serie de fotogramas clave de ilustración editorial (generados con create-image-fal) y los combina usando exclusivamente ffmpeg: aplica ken-burns (zoompan) a cada fotograma estático, realiza cortes duros (hard concat) sincronizados con cada línea hablada, multiplexa el audio real, quema subtítulos a media frase basados en marcas temporales de Whisper y compone una tarjeta final con PIL a partir del logotipo real de la marca. No utiliza generación de video AI (i2v), ni transiciones suaves, ni texto generado por IA. Es la etapa de ensamblaje gratuita y determinista del formato editorial-motion-podcast; los únicos costos externos son la creación del audio recortado y los fotogramas clave. Es ideal para productores de contenido que desean un flujo de trabajo predecible, sin costos variables y con control total sobre cada aspecto visual y temporal del anuncio.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/capabilities/render-editorial-motion-podcast

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace render-editorial-motion-podcast?

Ensambla un clip publicitario de pódcast con movimiento editorial a partir de una configuración: una línea de audio real de pódcast recortada lleva toda la narrativa y cada pulso visual está sincronizado con la oración que describe, en UN lote de ilustraciones editoriales de paleta estrictamente limitada y plana ("una ilustración tipo spot de revista que se mueve" — el estilo y la paleta los elige el usuario). El movimiento no es video generativo sino ken-burns determinista de ffmpeg sobre fotogramas clave estáticos, por lo que se lee como una página impresa que se mueve. Esta capacidad es ese ensamblaje DETERMINISTA GRATUITO — el movimiento ffmpeg, la concatenación dura, la multiplexación de audio, la quema de subtítulos y la tarjeta final PIL.

scripts/config.example.json es el ejemplo trabajado (Klarify "Rat Park", ~40,8s 1080×1920 9:16, 6 pulsos — su aspecto Niemann de dos tonos, paleta crema/carbón/salvia y la metáfora de Rat Park son elecciones de esa demo, nunca valores predeterminados); scripts/PIPELINE.md mapea cada bloque de configuración a su paso de origen y scripts/README.md documenta el ensamblaje gratuito.

Elecciones

Las decisiones creativas son del usuario (la receta del formato de video se las pide); este ensamblaje nunca las elige. El valor de la demo es solo un ejemplo:

  • Estilo de ilustración — demo: siluetas planas audaces de dos tonos, medio tono (linaje Niemann / Steinberg).
  • Paleta — demo: crema #F4EBD9 + carbón #1A1A1A + un acento salvia #86987A.
  • Metáfora central — demo: el estudio Rat Park.
  • Tono / voz — demo: cálido y reflexivo, el anfitrión real del pódcast (sin voz generada).

Ejecución

Esta es la etapa de ensamblaje GRATUITA y DETERMINISTA — no gasta nada en la capa de movimiento. Las entradas pagadas son independientes: el MP3 real del pódcast se recorta de la fuente (ffmpeg gratuito) con sus marcas temporales de palabras Whisper, y un fotograma clave de ilustración editorial por pulso (imágenes de referencia encadenadas para que la geometría de la jaula/personaje se mantenga) proviene de create-image-fal (Nano Banana). Dado el audio recortado + words.json + los fotogramas clave por pulso + el PNG real del logotipo de la marca, render-editorial-motion-podcast renderiza cada fotograma clave como un segmento ken-burns, los concatena duramente en el pulso, multiplexa el audio real, quema los subtítulos a media frase y compone la tarjeta final PIL → el máster. Los nuevos cortes reutilizan el audio/fotogramas clave existentes y cuestan $0.

Contrato (el ensamblaje gratuito)

  • Una narración hablada lleva todo el spot — NO hay CANCIÓN generada. Multiplexa el MP3 de narración proporcionado (-map 0:v:0 -map 1:a:0) — una línea real de pódcast recortada (preferida) O una voz en off generada aprobada (create-vo-elevenlabs). Nunca una pista cantada/generada. (Recortar vs. generar es la decisión de PASO-0 de la receta — si no se proporciona un episodio fuente, PREGUNTA al usuario.)
  • NO hay i2v generativo — solo ken-burns determinista de ffmpeg. Anima cada fotograma clave estático con zoompan (acercar/alejar, 1.0→~1.06×, 24fps); Seedance/Kling están entrenados con fotorrealismo e inventan estados intermedios naturalistas que colapsan el aspecto de paleta plana limitada. Nunca uses loop 1 con zoompan d=N (infla la duración); alimenta una sola imagen y limita con -t + trim.
  • Cortes duros en el pulso — sin encadenados. Los encadenados fantasma dos jaulas a la deriva una a través de la otra; concatena duramente los segmentos de cada pulso y divide los pulsos largos en microcortes (objetivo: 8–10 momentos visuales distintos). El visual de cada pulso COMIENZA dentro de ~0,5 s de su línea hablada.
  • Subtítulos desde marcas temporales de palabras Whisper, ACTIVADOS solo a media frase. Quema subtítulos frosted-subtle mientras el hablante habla; deja los pulsos silenciosos/reflexivos y la tarjeta final sin subtítulos. TRES reglas obligatorias (cada una nos ha mordido en producción — intégralas):
    1. SIN SUPERPOSICIÓN — limita cada línea a TERMINAR antes de que comience la SIGUIENTE (end = min(last_word_end + ~0.15, next_start - 0.03)). Dos cajas nunca deben apilarse en el mismo lugar; una cola final que sangra en la siguiente ventana es el error #1 de subtítulos.
    2. ÁREA SEGURA — los subtítulos se colocan en el tercio inferior, por lo que el sujeto del fotograma clave debe permanecer en el ~75% superior (ver look_pack.caption_safe_area de la receta). Si el sujeto de un fotograma clave terminado invade la banda de subtítulos, desplaza DETERMINISTAMENTE el sujeto HACIA ARRIBA al espacio vacío superior (PIL: pega hacia arriba ~0.24H sobre un lienzo pre-rellenado con el color de papel exacto de una esquina limpia) — nunca permitas que la caja se asiente sobre el sujeto.
    3. MOTOR DE QUEMADO — prefiere libass (filtro ass/subtitles), pero verifica ffmpeg -filters primero: muchas compilaciones (Homebrew) carecen de libass/drawtext. Si está ausente, usa la alternativa de overlay determinista — renderiza cada línea como un PNG transparente (caja redondeada esmerilada + texto blanco, PIL) y compón mediante el filtro overlay de ffmpeg con ventanas enable='between(t,st,en)' temporizadas. El mismo aspecto, sin libass.
  • Tarjeta final mediante PIL desde el PNG real del logotipo — nunca renderices texto de marca con IA. El bloque se compone de forma determinista (fondo de degradado estirado + recorte de mascota difuminado + logotipo + eslogan con una fuente del sistema); un modelo de difusión distorsiona un logotipo ("terapits"). El video mantiene una pausa silenciosa de ~1,5 s después del audio en la tarjeta final (fundido primero/último 0,3 s).
  • Composición ffmpeg, determinista, GRATUITA. Ken-burns en cada fotograma clave, concatenación dura, multiplexación del audio real, quema de subtítulos, pausa en la tarjeta final → un máster 1080×1920 h264+aac. Sin llamadas pagadas.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Generate a single 4-15s vertical video clip with ByteDance Seedance 2.0 reference-to-video via fal.ai. Multi-image reference (avatar + product + setting), native lip-synced VO + ambient audio (generate-audio on by default), internal multi-cut handling within one render. Routes through the GooseWorks FAL proxy (bills the Ads agent). The default clip atom for AI-creator UGC ads built on the NB2 + Seedance architecture. Validated on beauty-by-earth/video-01.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Skills relacionados